厦门大学财政系研究生课程.pptVIP

SR5：X并非随机变数，并且至少要有两个不一样的值。 放宽X不是随机变数的假设：资料是来自于控制实验。 X是随机的，并且与误差项e相关。 E(e X)=0 表示： 1.没有遗漏重要变数。 2.使用正确的函数形式。 3. 没有会使得误差项与X相关的因素存在。 但是，第三点不太可能是直觉性的。 若X与e有相关，则Cov(X,e)≠0，且可以说E(e X)≠0。 若X是随机，只要资料取自于随机样本，并且其他的一般假设成立，则回归方法是不需要改变的。 当T ∞时，所有概率会集中到β2附近。 A13.3* E(e)=0且Cov(X,e)=0 在A13.3的假设之下，当T ∞时，最小平方估计式会趋近于真正的值。 在假设A13.1~A13.5.，A13.3*之下，当T ∞时，最小平方估计式会趋近于常态分配。 若Cov(x,e)≠0 X与e是相关的，则最小平方估计式在大样本中不会是一致的。 因此，最小平方估计式并不适用。 回归方程序的误差衡量 数种情况之下，最小平方估计式会不适用，因为解释变量与误差项之间有相关性。 变量中包含误差 误差衡量。 Yt=β0+β1Xt*+Vt Xt*无法得知 Xt=Xt*+ut Xt是随机变数 Yt=β0+β1(Xt-ut)+